基于稀疏误差约束表示的野生动物图像去噪方法技术

一种基于稀疏误差约束表示的野生动物图像去噪方法，首先采用2D

【技术实现步骤摘要】
基于稀疏误差约束表示的野生动物图像去噪方法


[0001]本专利技术属于图像处理
，具体是一种基于稀疏误差约束表示的野生动物图像去噪方法。

技术介绍

[0002]近年来，许多种野生动物濒临灭绝，人们对如何保护野生动物也越来越重视，利用摄像机监控野生动物的行为活动已成为野生动物保护研究的重要辅助手段。通过对野生动物图像进行研究，如图像分割、特征提取、目标识别等，有助于发现新物种、识别动物的种类和行为等。但是，野外拍摄的动物图像在拍摄和传输过程中不可避免地会受外界干扰，导致图像含有噪声，而现有的大多数降噪方法是对干净图片人为加噪，然后再对加噪后的图片进行降噪。野外拍摄的动物图像噪声是随机混合噪声，而且会受到恶劣天气如大风大雾的影响，已有的降噪算法并不适合用于野生动物图像的去噪，因此，深入研究野生动物图像的降噪方法具有重要的研究意义和应用价值。

技术实现思路

[0003]由于图像的噪声主要存在于高频图像中，且为了使降噪后的野生动物图像更清晰并保留更多的细节信息，因此，直接对图像的高频图像进行降噪，提出一种基于稀疏误差约束表示的野生动物图像去噪方法。相对于现有技术中的降噪算法，本方法适于野外拍摄的动物图像的去噪，具有重要的研究意义和应用价值。
[0004]本方法的设计思想为：
[0005]首先，采用2D
‑
DCT变换(二维离散余弦变换)对野生动物图像进行高低频分解，并对高频图像进行高斯多尺度变换；
[0006]然后，分别构建基于正则化稀疏误差约束的高频图像和高频多尺度图的结构化字典，运用黎曼共轭梯度式极小化方法对包含有非凸但光滑的p范数的目标函数进行求解；
[0007]接着，引入PALM算法(近似交替线性化极小化算法)解决高频图像降噪模型中的非凸非光滑函数的极小化问题，并用PALM算法进行字典和稀疏系数的更新；
[0008]最后，融合高频图像与低频图像生成降噪后的图像。
[0009]具体如下：
[0010]一种基于稀疏误差约束表示的野生动物图像去噪方法，步骤包括：
[0011]1)对野生动物图像的原图像进行2D
‑
DCT变换；再对变换后的DCT系数进行量化；最后通过Zigzag排序得到低频图像；用原图像减去低频图像得到高频图像；
[0012]2)对高频图像进行降噪处理；
[0013]3)低频图像与降噪后的高频图像融合后得到降噪后的野生动物图像；
[0014]所述步骤2)中，对高频图像进行降噪处理的步骤为：
[0015]2.1)对高频图像：构建高频图像的初始结构化字典；然后固定初始字典，求得高频图像的稀疏系数；
[0016]2.2)对高频图像：进行多尺度变化，得到高频多尺度图；接着构建高频多尺度图初始化结构字典；然后固定初始字典，求得高频多尺度图的结构化稀疏系数；
[0017]2.3)通过高频图像的稀疏系数以及高频多尺度图的结构化稀疏系数，构建稀疏误差约束表示模型；
[0018]2.4)运用PALM算法对字典以及稀疏系数进行更新，得到降噪后的高频图像。
[0019]去除噪声的PALM算法步骤如下：
[0020]输入：高频图像结构化初始字典高频图像多尺度初始字典平滑参数同时0＜p＜1,τ＞0。
[0021]输出：一个序列：和其中，为高频图像结构化稀疏模型选择的字典，为高频多尺度图像结构化稀疏模型选择的字典，为结构化模型。
[0022]步骤1：基于初始化字典用公式i＝1，2，
…
，n计算初始的结构化模型式中的T的含义为转置。
[0023]步骤2：在时，令μ＝μ
t
为平滑参数，
[0024]当时，用公式(9)和(10)更新(MH
i
，MD
i
)再用公式(11)和(12)更新当时，停止更新，此处，时，停止更新，此处，0＜β≤0.2。β取值不应太大，以确保模型的更新。
[0025]步骤3：用公式i＝1，2，
…
，n更新结构化模型式中的T的含义为转置。
[0026]步骤4：输出序列和
附图说明
[0027]图1是本专利技术方法的流程示意图；
[0028]图2a是原图的分块图；
[0029]图2b是分块DCT变化图；
[0030]图3是Zigzag字形排序图；
[0031]图4a和图4b是去噪模型的非凸函数图，其中：
[0032]图4a是，固定μ＝0.01，将p从0.01变化至0.99，p＝0.01,0.2,0.3,0.4,0.6,0.99；
[0033]图4b是，固定p＝0.5将μ从e
‑5变化至e
‑1，u＝e
‑5，e
‑4，e
‑3，e
‑2，e
‑1，其中，u＝e
‑5，e
‑4，e
‑3，e
‑2对应曲线有部分重合。
具体实施方式
[0034]下面结合具体实施方式对本方法进一步说明：
[0035]参考图1，一种基于稀疏误差约束表示的野生动物图像去噪方法，步骤包括：
[0036]1)对野生动物图像的原图像进行2D
‑
DCT变换(二维离散余弦变换)；再对变换后的DCT系数进行量化；最后通过Zigzag排序得到低频图像；用原图像减去低频图像得到高频图像；
[0037]2)对高频图像进行降噪处理；
[0038]3)低频图像与降噪后的高频图像融合后得到降噪后的野生动物图像；
[0039]所述步骤2)中，对高频图像进行降噪处理的步骤为：
[0040]2.1)对高频图像：构建高频图像的初始结构化字典；然后固定初始字典，求得高频图像的稀疏系数；
[0041]2.2)对高频图像：进行多尺度变化，得到高频多尺度图；接着构建高频多尺度图初始化结构字典；然后固定初始字典，求得高频多尺度图的结构化稀疏系数；
[0042]2.3)通过高频图像的稀疏系数以及高频多尺度图的结构化稀疏系数，构建稀疏误差约束表示模型；
[0043]2.4)运用PALM算法对字典以及稀疏系数进行更新，得到降噪后的高频图像。
[0044]本具体实施方式中：
[0045]1、对野生动物图像的原图像进行2D
‑
DCT变换(二维离散余弦变换)；再对变换后的DCT系数进行量化；最后通过Zigzag排序得到低频图像；用原图像减去低频图像得到高频图像。
[0046]首先，参考图2a和图2b，将原图进行分块，一般将原图像分块成8
×
8或者16
×
16的小块；然后对分割后的每个小图像块进行DCT变换，并对DCT变换后的系数量化；量化过程是把频率领域上DCT变换系数除以量化的步长，并四舍五入取最整。量化的操作公式为：
[0047]其中，Y
ij
为DCT变换系数，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稀疏误差约束表示的野生动物图像去噪方法，其特征是步骤包括：1)对野生动物图像的原图像进行二维离散余弦2D
‑
DCT变换；再对变换后的DCT系数进行量化；最后通过Zigzag排序得到低频图像；用原图像减去低频图像得到高频图像；2)对高频图像进行降噪处理；3)低频图像与降噪后的高频图像融合后得到降噪后的野生动物图像；所述步骤2)中，对高频图像进行降噪处理的步骤为：2.1)对高频图像：构建高频图像的初始结构化字典；然后固定初始字典，求得高频图像的稀疏系数；2.2)对高频图像：进行多尺度变化，得到高频多尺度图；接着构建高频多尺度图初始化结构字典；然后固定初始字典，求得高频多尺度图的结构化稀疏系数；2.3)通过高频图像的稀疏系数以及高频多尺度图的结构化稀疏系数，构建稀疏误差约束表示模型；2.4)运用PALM算法(近似交替线性化极小化算法)对字典以及稀疏系数进行更新，得到降噪后的高频图像。2.根据权利要求1所述的基于稀疏误差约束表示的野生动物图像去噪方法，其特征是所述步骤1)的步骤包括：1.1)将原图像分块成8
×
8或者16
×
16的小块；然后对分割后的每个小图像块进行DCT变换，并对DCT变换后的系数量化；量化过程是把频率领域上DCT变换系数除以量化的步长，然后取整；1.2)用Zig
‑
zag方法对量化系数进行排序；1.3)选取DCT的前N1
×
N2/64为低频系数构建低频图像，通过原图像减去低频图像得到高频图像；N1
×
N2为原始图像像素的尺寸。3.根据权利要求1所述的基于稀疏误差约束表示的野生动物图像去噪方法，其特征是所述步骤2.1)中：对野生动物的高频图像稀疏表示问题用l1、l0正则化约束表示，如式(1)：其中，MH
y
为高频图像结构稀疏模型选择的最优稀疏系数，Y
i
代表野生动物高频图片的样本集，||
·
||
F
为F的范数，||
·
||1为1范数，为高频图像的结构稀疏模型的初始字典，MH
i
为高频图像的稀疏系数，为高频图像结构化稀疏模型选择的字典，λ为大于0的正则化参数。4.根据权利要求3所述的基于稀疏误差约束表示的野生动物图像去噪方法，其特征是所述步骤2.2)中：野生动物的高频多尺度图像稀疏表示问题用l1、l0正则化约束表示，写成式(2)：其中NH
y
是高频图像的多尺度结构稀疏模型图像最优稀疏系数，NH
i
表示高频多尺度图像稀疏系数，||
·
||
F
为F的范数，||
·
||1为1范数，为高频多尺度图像的结构稀
疏模型的初始字典，X
i
野生动物高频多尺度图像样...

【专利技术属性】
技术研发人员：赵亚琴，徐媛，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：